Нейросетевые технологии распознавания образов/ Neural network technologies for pattern recognition: учебная программа учреждения образования по учебной дисциплине для специальности: the program of the educational institution of the discipline for the speciality: Специальность / Speciality: 7-06-0532-03 Землеустройство, кадастры, геодезия и геоматика / 7-06-0532-03 Land Management, Cadastres, Geodesy and Geomatics Профилизация / Profilization: Управление геоданными с использованием интеллектуальных систем / Geodata management using intelligent systems. Регистрационный № 3939/m.

Abstract

ПОЯСНИТЕЛЬНАЯ ЗАПИСКА Цели и задачи учебной дисциплины Цель учебной дисциплины – ознакомление студентов с нейронными сетями и их применением для решения практических задач. Задачи учебной дисциплины: 1. Дать студентам общее представление о нейронных сетях; 2. Ознакомить студентов с основными алгоритмами обучения нейронных сетей; 3. Научить студентов обучать и применять нейронные сети для решения практических задач. Место учебной дисциплины в системе подготовки специалиста с высшим образованием. Учебная дисциплина относится к модулю «Программирование и нейронные сети» компонента учреждения образования. Учебная дисциплина «Нейросетевые технологии распознавания образов» связана с учебной дисциплиной «Автоматизированный анализ изображений». Однако в данной дисциплине рассматривается неклассический (нейросетевой) подход к обработке изображений. Требования к компетенциям Освоение учебной дисциплины «Нейросетевые технологии распознавания образов» должно обеспечить формирование следующих компетенций: Специализированные компетенции: Владеть математическими основами теории машинного обучения и алгоритмами построения искусственных нейронных сетей. В результате освоения учебной дисциплины студент должен: знать: Типы искусственных нейронных сетей, архитектуры основных типов нейронных сетей, процесс применения нейронных сетей для решения практических задач. Основные функционалы качества для оценки полученных решений. уметь: применять нейронные для решения прикладных задач, обучать нейронные сети для решения различных задач с использованием фреймворков для машинного обучения. иметь навык: программирования конструирования, обучения и применения нейронных сетей для решения прикладных задач. Структура учебной дисциплины Дисциплина изучается в 1 семестре. В соответствии с учебным планом всего на изучение учебной дисциплины «Нейросетевые технологии распознавания образов» отведено для очной формы получения высшего образования – 90 часов, в том числе 48 аудиторных часов, лекции – 20 часов, лабораторные занятия – 28 часов. Из них: Лекции – 18 часов, лабораторные занятия – 20 часов, управляемая самостоятельная работа – 10 часов ДОТ. Трудоемкость учебной дисциплины составляет 3 зачетные единицы. Форма промежуточной аттестации – экзамен.

EXPLANATORY NOTE Aim and tasks of the discipline Aim of the discipline – Introducing students to neural networks and their application to solving applied problems. Tasks of the discipline: 1. To give students a general understanding of neural networks. 2. To introduce students to the basic algorithms for training neural networks. 3. To teach students how to train and apply neural networks to solve applied problems. Place of the academic discipline in the system of training a specialist with higher education. The academic discipline is part of the module «Programming and neural networks» educational institution component. The academic discipline «Neural network technologies for pattern recognition» is connected with academic discipline «Automatic image analysis». But in this discipline non-classical (neural network) image processing approach is considered. Requirements for competences Mastering of the academic discipline «Neural network technologies for pattern recognition» should provide the formation of the following competences: Specialized competences: To be able apply mathematical foundations of machine learning theory and algorithms for constructing artificial neural networks. As a result of mastering the academic discipline, the student is expected to: know: Artificial neural networks types, architectures of the neural networks main types, the process of applying neural networks to solving applied problems. Main quality functions for obtained solutions evaluation. be able to: apply neural networks to solve applied problems, train neural networks for various problems solving using machine learning frameworks. have skills in: programming, designing, training and using neural networks to solve applied problems.

Structure of the academic discipline The discipline is studied in the 1 semester. In total for the study of the discipline Neural networks technologies for pattern recognition is allocated for full-time higher education – 90 hours, including 48 in-class hours, of them: lectures – 20 hours, laboratory classes – 28 hours, from them: Lectures – 18 hours, laboratory classes – 20 hours, controlled self-study (CSS) – 10 hours (DLT). The labour intensity of the discipline is 3 credit units. Form of certification – exam.